이 페이지는 AI로 자동 번역되었으며 부정확한 내용이 포함될 수 있습니다. 번역 오류를 신고하려면 GitHub에서 이슈를 생성해 주세요.
아이템 추천 분석
아이템 추천 분석 및 Braze에서 이를 확인하는 방법에 대해 알아보세요.
분석 보기
추천에 대한 분석을 확인하여 사용자에게 추천된 항목과 추천 모델의 정확도를 살펴볼 수 있습니다.
- Analytics > Item Recommendation으로 이동합니다.
- 목록에서 추천을 선택합니다.
사용 가능한 측정기준
오디언스
정밀도, 커버리지, 추천 유형을 포함하는 추천 오디언스 관련 측정기준입니다.
자세한 내용은 다음 표를 참조하세요:
| 측정기준 | 설명 |
|---|---|
| 정밀도 | 모델이 사용자가 다음에 구매할 항목을 올바르게 예측한 비율입니다. 정밀도는 특정 카탈로그의 크기와 구성에 크게 의존하며, 모델이 얼마나 자주 정확한지를 이해하는 가이드로 사용해야 합니다. 과거 테스트에서 모델이 6~20% 범위의 정밀도 수치로 잘 수행하는 것을 확인했습니다. 이 측정기준은 모델이 다음에 재훈련될 때 업데이트됩니다. |
| 커버리지 | 카탈로그에 있는 사용 가능한 항목 중 적어도 한 명의 사용자에게 추천된 항목의 비율입니다. 개인화된 항목 추천이 가장 인기 있는 항목 추천보다 더 높은 항목 커버리지를 보이는 것이 일반적입니다. |
| 추천 유형 | 개인화된 추천 또는 가장 최근 추천을 받는 사용자 비율과 가장 인기 있는 항목으로 대체되는 비율입니다. 대체는 개인화된 추천이나 최신 추천을 생성하기에 충분한 데이터가 없는 사용자에게 전송됩니다. |
항목
이 표에는 카탈로그의 개인화된 항목, 가장 최근 항목, 가장 인기 있는 항목에 대한 측정기준이 포함되어 있습니다.
자세한 내용은 다음 표를 참조하세요:
| 측정기준 | 설명 |
|---|---|
| 개인화된 항목 가장 최근 항목 |
이 열은 사용자에게 가장 자주 추천된 순서대로 카탈로그의 각 항목을 나열합니다. 또한 모델에 의해 각 항목이 할당된 사용자 수도 표시합니다. 추천 유형에 따라 개인화된 항목 또는 가장 최근 항목이 나열됩니다. |
| 가장 인기 있는 항목 | 이 열은 카탈로그의 각 항목을 인기도 내림차순으로 나열합니다. 여기서 인기도란 전체 워크스페이스에서 사용자가 가장 자주 상호작용하는 카탈로그 항목을 의미합니다. 가장 인기 있는 항목은 개별 사용자에 대해 개인화된 추천이나 가장 최근 추천을 계산할 수 없을 때 대체로 사용됩니다. |
개요
추천이 마지막으로 업데이트된 시점을 포함하여 선택한 추천 구성에 대한 개요입니다.
New Stuff!